Implementação do algoritmo de treinamento do classificador Floresta de Caminhos Ótimos em GPU

Pós-graduação em Ciência da Computação - IBILCE

Classificador Fisherface Fuzzy para o reconhecimento de faces

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Implementação do algoritmo de treinamento do classificador floresta de caminhos ótimos em GPU

Técnicas de reconhecimento de padrões tem como principal objetivo classificar um conjunto de amostras, sendo o processo de aprendizado a fase de maior consumo de tempo. O problema pode piorar em ferramentas de classificação interativas, o que pode ser inaceitável para grandes bases de dados. Um exemplo de classificador é o baseado em Floresta de Caminhos Ótimos [8] - OPF. Dado que muitos trabalhos tem sido orientados à implementação de algoritmos de reconhecimento de padrões em ambiente General Purpose Graphics Processing Unit - GPGPU, o presente estudo objetivou a implementação da etapa de treinamento do classificador Floresta de Caminhos Ótimos em CUDA, visando aumentar a sua eficiência. A otimização do classificador em CUDA demonstrou uma fase de treinamento mais rápida que a versão original.

Relação entre características morfológicas e produção de leite em vacas da raça Gir

O objetivo deste trabalho foi determinar parâmetros genéticos relacionados a características morfológicas e suas correlações genéticas com a produção de leite, em vacas da raça Gir. Utilizaram-se 3.805 registros provenientes de 2.142 vacas. O modelo utilizado na análise de características morfológicas continha os efeitos fixos de rebanho, ano e estação de classificação, estádio da lactação e idade da vaca à classificação, além da identificação do classificador. Quanto à produção de leite, foram incluídos no modelo os efeitos fixos de rebanho, ano e estação de parição e idade da vaca ao parto. Os parâmetros genéticos foram obtidos por meio do aplicativo REMLF90. As estimativas de herdabilidade variaram de 0,09 a 0,54. A variabilidade genética aditiva da maioria das características é suficiente para que ganhos genéticos anuais significativos possam ser alcançados com o processo de seleção. As correlações genéticas entre as características morfológicas variaram de baixas a altas e, entre elas e a produção de leite, de baixas a moderadas. Altas correlações genéticas entre algumas características morfológicas implicam a possibilidade de exclusão de algumas delas do programa de melhoramento genético da raça Gir, no Brasil. As correlações genéticas entre produção de leite e algumas características morfológicas indicam que estas podem ser utilizadas na formação de índices de seleção.

Estimativa de ocorrência de precipitação em áreas agrícolas utilizando floresta de caminhos ótimos

As condições meteorológicas são determinantes para a produção agrícola; a precipitação, em particular, pode ser citada como a mais influente por sua relação direta com o balanço hídrico. Neste sentido, modelos agrometeorológicos, os quais se baseiam nas respostas das culturas às condições meteorológicas, vêm sendo cada vez mais utilizados para a estimativa de rendimentos agrícolas. Devido às dificuldades de obtenção de dados para abastecer tais modelos, métodos de estimativa de precipitação utilizando imagens dos canais espectrais dos satélites meteorológicos têm sido empregados para esta finalidade. O presente trabalho tem por objetivo utilizar o classificador de padrões floresta de caminhos ótimos para correlacionar informações disponíveis no canal espectral infravermelho do satélite meteorológico GOES-12 com a refletividade obtida pelo radar do IPMET/UNESP localizado no município de Bauru, visando o desenvolvimento de um modelo para a detecção de ocorrência de precipitação. Nos experimentos foram comparados quatro algoritmos de classificação: redes neurais artificiais (ANN), k-vizinhos mais próximos (k-NN), máquinas de vetores de suporte (SVM) e floresta de caminhos ótimos (OPF). Este último obteve melhor resultado, tanto em eficiência quanto em precisão.

Aprendizado não-supervisionado em redes neurais pulsadas de base radial: um estudo da capacidade de agrupamento para a classificação de pixels

Redes neurais pulsadas - redes que utilizam uma codificação temporal da informação - têm despontado como uma promissora abordagem dentro do paradigma conexionista, emergente da ciência cognitiva. Um desses novos modelos é a rede neural pulsada com função de base radial, que é capaz de armazenar informação nos tempos de atraso axonais dos neurônios. Um algoritmo de aprendizado foi aplicado com sucesso nesta rede pulsada, que se mostrou capaz de mapear uma seqüência de pulsos de entrada em uma seqüência de pulsos de saída. Mais recentemente, um método baseado no uso de campos receptivos gaussianos foi proposto para codificar dados constantes em uma seqüência de pulsos temporais. Este método tornou possível a essa rede lidar com dados computacionais. O processo de aprendizado desta nova rede não se encontra plenamente compreendido e investigações mais profundas são necessárias para situar este modelo dentro do contexto do aprendizado de máquinas e também para estabelecer as habilidades e limitações desta rede. Este trabalho apresenta uma investigação desse novo classificador e um estudo de sua capacidade de agrupar dados em três dimensões, particularmente procurando estabelecer seus domínios de aplicação e horizontes no campo da visão computacional.

Desenvolvimento de ferramentas computacionais inteligentes para identificação de perdas comerciais em sistemas de energia

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Processamento digital de fotografias aéreas para análise do uso do solo

Pós-graduação em Agronomia (Energia na Agricultura) - FCA

Efeito de reagentes de branqueamento nas propriedaes físicas e mecânicas da polpa de celulose Kraft de eucalipto

Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)

Implementação em hardware de um sistema inteligente para detecção de plantas daninhas em plantações de soja utilizando máquinas de vetores de suporte e redes neurais artificiais

Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)

Método de detecção e classificação de lesões de pele em imagens digitais a partir do modelo Chan-Vese e máquina de vetor de suporte

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Detecção de intrusão em redes de computadores utilizando Floresta de Caminhos Ótimos

Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)

Análise de técnicas de reconhecimento de padrões para a identificação biométrica de usuários em aplicações WEB Utilizando faces a partir de vídeos

Pós-graduação em Ciência da Computação - IBILCE

Colheita, beneficiamento e qualidade de sementes de milho (Zea mays L.) variedade AL-34

Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)

Informação polarimétrica PALSAR/ALOS aplicada à discriminação de espécies e estimação de parâmetros morfológicos de macrófitas

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)